《基于集群负荷需求响应的主动配电网优化控制策略研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
基于集群负荷需求响应的主动配电网优化控制策略研究ResearchonOptimalControlStrategyofActiveDistributionNetworkwithAggregatedLoadsDemandResponse学科专业：电气工程作者姓名：刘开欣指导教师：贾宏杰教授天津大学电气自动化与信息工程学院2017年11月 摘要现阶段，能源短缺和环境保护问题日益凸显，可再生能源投入电网比例逐年提升。但由于以风光为代表的可再生能源具有较强的随机性、波动性与间歇性，接入电网后会对电能质量、电力供需平衡及电力系统安全性带来较大挑战。另一方面，随着电力系统用户负荷日趋多样化和规模化，具有良好互动调节特性的可调、可控负荷占比稳步增加。此外，随着通信和控制技术不断升级，需求侧可控柔性负荷比例也逐渐提升。主动配电网(ActiveDistributionNetwork,ADN)的核心技术之一就是合理利用需求侧可控负荷(demandsidecontrollableload)资源，实现与可再生能源的协同配合，为电网提供波动平抑、负荷跟踪等多种辅助服务。本文围绕需求侧可控负荷参与可再生能源集成相关技术开展研究，涉及需求侧可控负荷建模、调控及参与电网辅助服务等方面。具体工作如下：(1)研究了“自下而上”的典型需求侧可控负荷机理建模方法，考虑可控负荷的物理动态机理(热力学、充放电特性等)、用户用电特性等各方面因素影响，对典型需求侧可控负荷进行动态机理建模，并建立相应的热电或“电能-化学能”耦合模型，可反映负荷调控过程中需求侧可控负荷“非电量”和“电量”的相互转化关系。进一步，将该方法应用于三种典型需求侧可控负荷：电热泵(heatpump)、中央空调(centralairconditioning)和电动汽车(electricvehicle)，分别构建了三种需求侧可控负荷机理模型。“自下而上”的建模方法，为进一步设计负荷调控策略和需求侧可控负荷参与可再生能源集成，提供了模型支持。(2)基于通用参数序列化负荷控制策略，对电热泵、电动汽车、中央空调三种需求侧可控负荷进行了讨论，选取和制定了相应的调控方案：①电热泵：采用室内温度作为排序指标，选取基于温度优先序列的电热泵控制策略，实现了负荷的统一调控；②电动汽车：采用能量状态作为排序指标，选取基于能量状态优先队列控制方法，实现了对电动汽车的有效调控；③中央空调：以主机为研究对象，采用负载率作为排序指标，并制定了一种基于参数序列化的中央空调变负载率调节控制策略，避免了传统方法需要对机组频繁启停的弊端。通过多个算例分析，验证了所提方法的合理性与有效性。(3)提出了一种面向“可再生能源-配电网络-需求侧可控负荷”互动，基于区域信息的主动配电网分层协同调控框架。其上层采用配电网潮流追踪(DistributionPowerFlowTracing,DPFT)算法，实现了一种新的主动配电网区域集群需求响应优化控制策略。配电网潮流追踪算法基于配网潮流信息，充分考虑到“源-网-荷”耦合特性，确定与可再生能源关联紧密的负荷区域，并做有效的功I 率波动分配。下层在考虑电网、不同受益方利益和区域负荷控制成本的前提下，实现了多种需求侧可控负荷的最优响应，可实现平抑主动配电网联络线功率的目的。关键词：主动配电网，负荷调控，参数序列化，配网潮流追踪，区域控制成本，可再生能源集成II ABSTRACTInrecentyears,energyshortagesandenvironmentalprotectionissueshavebecomeincreasinglyprominent,theproportionofrenewableenergyinthepowergridincreasedyearbyyear.However,whenconnectingtothepowergrid,duetotherenewableenergyhasfeaturesofstrongrandomness,volatilityandintermittent,itmaycauseproblemslikethepowerquality,powersupplyanddemandbalanceandpowersystemsecurityissues.Ontheotherhand,asthepowersystemloadshaverichdiversitiesandlargerscale,thepercentofresourcewithcharacteristicsofgoodinteractiveadjustment,adjustable,controllableincreasesteadily.Inaddition,withthecontinuousupgradingofcommunicationandcontroltechnology,demandsidecontrollableflexibleloadpercentisalsoincreasing.OneofthecoretechnologiesofADN(ActiveDistributionNetwork)istouseDSCL(DemandSideControllableLoad)，achievingsynergieswithrenewableenergy,providingwavestabilization,loadtrackingandotherancillaryservicesforthepowergrid.Thisthesisfocusesonthedemandsidecontrollableloadparticipatingintheresearchofrelatedtechnologiesofrenewableenergyintegration,includingthedemandsidecontrollableloadmodeling,regulationandparticipationingridauxiliaryservice,andsoon.Mainworkofthethesisisasfollows.(1)A"bottom-up"refinedmodelingmethodisproposedinthethsis,whichcanconsiderthephysicalcharacteristicsanddynamicmechanism.Aso-called"non-electricity&electricity"modelisdevelopedforDSCL.SomeDSCL’scharacteristics,suchasthermostaticaldynamic,charginganddischargingareproperlyconsidered.Further，ThemethodisappliedtothreetypicalDCSL:HP(HeatPump),CAC(CentralAirConditioning)andEV(ElectricVehicle).TheproposedmethodcanprovidemodelsupporttodesigncontrolstrategyandDSCLparticipatingintorenewableresourceintegration.(2)Basedongeneralizedcontrolstrategy-parameterserializationmethod,appropriatestrategiesanddisscussionofHP,CACandEVaremade:①HP:using"indoortemperature"astheserializationparameter,temperatureprioritylistmethodisusedtocontrolHP;②CAC:Takingthemaindeviceasthestudyobject,theindoortemperaturewasusedastheserializationparameter.Acontrolstrategybasedonadjustmentofloadrateispresentedtoavoidthedisadvantagesoftraditionalmethodwhichcontrolsterminaldevicesfrequently;③EV:TheenergystateisselectedasaIII serializationparametertoregulatechargeanddischargebehaviors,toavoidoverchargingnegativeimpactandtoachievethecontrollingofEV.(3)Ahierarchicalcollaborativecontrolframeworkbasedonregioninformationfor"renewableenergy-distributionnetwork-demandsidecontrollableload"isputupinthethesis.Intheupperlevel,controllingcenterusesDPFT(DistributionPowerFlowTracing)methodtoproposearegionalaggregatedoptimizationcontrolstrategyfordemandresponse.Basedonpowerflowinformation，thisstrategycantakethe"source-grid-load"couplingcharacteristicintoaccount.Loadregionscloselyrelatedtotherenewableenergywillbedetermined.And,thepowerfluctuationdistributionwillbedeterminedanddispatched.Inthelowerlayer,powergridconstraints,differentbeneficiariesandregionalloadcontrolcostsareconsideredatthesametime.VarioussourcesofloaddemandresponseareoptimizedtosmooththepowerflowfluctuationontheADN’stielines.KEYWORDS:Activedistributionnetwork,Loadregulation,Parameterserialization,Distributionpowerflowtracing,Regionalcontrolcost,Renewableintegration.IV 目录第1章绪论.................................................................................................................11.1引言.................................................................................................................11.2主动配电网研究现状.....................................................................................11.3需求侧可控负荷研究现状.............................................................................31.3.1负荷建模和分类技术：......................................................................41.3.2需求侧可控负荷控制技术..................................................................51.3.3需求侧可控负荷参与电网辅助服务..................................................71.4本文的主要工作.............................................................................................8第2章需求侧可控负荷动态机理建模...................................................................112.1引言...............................................................................................................112.2需求侧可控负荷机理建模...........................................................................112.2.1典型需求侧可控负荷机理建模方法................................................112.2.2电热泵负荷机理建模........................................................................132.2.3基于负载率的中央空调负荷建模....................................................142.2.4电动汽车负荷机理建模....................................................................172.3本章小结.......................................................................................................18第3章基于参数序列化技术的需求侧可控负荷控制策略研究...........................213.1引言...............................................................................................................213.2参数序列化方法...........................................................................................213.2.1通用参数序列化方法........................................................................213.2.2基于温度优先序列的电热泵控制策略研究....................................243.2.3基于参数序列化的中央空调变负载率调节控制策略研究............263.2.4基于参数序列化的电动汽车控制策略研究....................................323.3算例分析.......................................................................................................343.3.1基于温度优先序列的电热泵控制策略............................................343.3.2基于参数序列化的中央空调变负载率调节控制策略....................363.3.3基于参数序列化的电动汽车控制策略............................................403.4本章小结.......................................................................................................43第4章需求侧可控负荷参与主动配电网可再生能源集成辅助服务技术研究...454.1引言...............................................................................................................454.2基于聚合信息的“源-网-荷”分层协同优化控制框架................................454.3基于DPFT的可再生能源有功调度与节点集群需求响应策略...............46V 4.3.1基于DPFT的可再生能源波动平抑算法........................................474.3.2考虑节点控制成本的优化函数构建................................................494.4算例分析.......................................................................................................524.4.1算例说明............................................................................................524.4.2节点功率分配因子............................................................................544.4.3需求侧可控负荷响应结果及分析....................................................554.4.4DPFT算法对配网联络线功率的平抑效果......................................594.5本章小结.......................................................................................................60第5章结论与展望...................................................................................................615.1结论...............................................................................................................615.2后续工作及展望...........................................................................................62参考文献.....................................................................................................................63发表论文和参与科研情况说明.................................................................................71致谢.........................................................................................................................73VI 第1章绪论第1章绪论1.1引言随着分布式电源大量接入、用户与电网双向互动广泛应用，配电网主动性增强、运行方式日趋复杂，传统的配电网运行理论已不再完全适用，正逐渐向主动配电网方向发展，即根据电力系统实际运行状态，对大量接入的分布式电源进行主动管理，能够自适应调节各类资源的配电网。主动配电网能够提升网络对可再生能源的接纳能力、延缓针对配电网的升级改造、提高资产利用率、提升用电质量和供电可靠性，增强与电网的互动能力。随着电力需求的持续较快增长、传统能源的日益短缺以及电力市场的逐渐开放，电网的发展方向正转向高效、灵活、智能和可持续。其中，可持续性是未来电网的重要特征，其核心表现为分布式电源，尤其是可再生能源的规模化接入与应用。目前，虽然微电网(简称微网)技术的不断成熟以及虚拟发电厂技术的发展给分布式电源的集成提供了解决方案；但由于微网的容量有限，并且控制目标和形式不同，尚不能很好地解决分布式电源的规模化接入，尤其是可再生能源从发电集成到中压配电网引起的问题，例如如何从传统单向供配电网向双向供电的多电源配电网转变的问题等。针对上述情况，主动配电网(ActiveDistributionNetwork,ADN)技术应运而生，它旨在解决电网兼容及应用大规模间歇式可再生能源，提升绿色能源的利用率，优化能源结构等相关问题。其中，以主动配电网为核心的负荷调度需求控制技术，能够有效处理“源-荷”关系，使得在配电网中的分布式能源及冷热负荷等各类型资源协同优化，使之均运行在合理区间。同时，考虑配电网内的负荷运行特性，实施合理的负荷调控策略和方案，实现用户侧的互动，为电网提供一定容量的辅助服务。1.2主动配电网研究现状主动配电网(ADN)的基本定义[1]：通过使用灵活的网络拓扑结构来管理潮流，以便对局部的分布式电源(DistributedEnergyResources,DER)进行主动控制和主动管理的配电系统。DER在一定程度上可承担支持系统的责任，这将取决于适当的监管环境和接入协议。从ADN的定义来看，由于它可利用先进的信息、通信以及电力电子技术对电网内可控资源包括分布式电源、微电网以及需求侧负荷实现规模化主动调度，因而具备与输电网类似的柔性电网特征；由于1 天津大学硕士学位论文ADN的信息及通信技术十分完善，计量设施技术可实现单向、双向和多向的先进计量方式，具备完备的配电网监控系统和保护模式，可实现系统可控、可调、可用等目标，以及主动控制分布式电源和微电网的出力，因此ADN的成本和效益也实现可控可调，即实现智能化调度模式和运行方式。ADN通过整合分布式电源和微网，协调电网内的可控资源，可实现配电网资源整合和协调运行。因此，从ADN的定义分析可知，它兼具柔性、智能、整合和协调运行的特征。ADN是智能配电网未来的发展模式之一，世界各国正积极开展相关技术研究。现阶段，欧盟在丹麦、西班牙以及英国等地已经深入开展了ADN技术研究，并进行了部分示范工程的建设。国内2012年围绕高技术研究发展计划(863计划)课题“主动配电网关键技术研究及示范”也对ADN及其相关技术领域展开了深入研究。已有相关文献对ADN的相关问题进行了讨论：文献[2]对ADN的现有技术进行了总结，并提出了未来可能会影响ADN发展的新技术和新概念；文献[3]提出了一种考虑ADN特性及分布式能源特性的优化调度模型，并提出了基于智能单粒子优化算法(ISPO)的求解方法，实现完整调度周期内复杂的ADN优化调度策略求解；文献[4]提出一种含多类型分布式电源的ADN分布式三相状态估计方法，可为负荷调度提供顶层数据支撑；文献[5]以区域内分布式电源、电压无功设备和柔性负荷为调控对象，提出了协调校正控制策略；文献[6]计及间歇式能源投入或切出ADN后引起的谐波变化，对分布式能源并网后ADN的谐波进行预测；文献[7]对ADN能量优化调度技术进行分析，基于机会约束规划方法建立了含有风光发电单元及储能装置的ADN能量调度随机数学模型；文献[8]利用最优潮流和ADN全局优化算法，最终实现基于功率控制误差的ADN区域自治控制算法；文献[9]针对ADN多能源协同优化调度的研究现状，提出了一种ADN多源协同优化调度解决方案，设计了ADN优化调度的总体架构及应用框架，研究了多源协同优化调度策略及评估等方面的技术；文献[10]提出了一种含分布式电源的ADN中蓄电池储能系统和需求侧可控负荷调控相互配合的优化规划模型，可用于实现传统配电网向ADN过渡的目标；文献[11]从配电网主动管理、ADN规划等方面考虑，综述了ADN规划的研究现状及存在的问题，并对ADN未来的规划进行了展望。ADN是相对于传统配电网而言的，配电网从单纯的被动配电网向有源配电网转变[12]，能够实现功率流双向互动及资源的有效整合。ADN基于先进的通信技术，看对接入配电网的分布式电源以及柔性负荷进行主动调控，实现可再生能源的充分利用和波动平抑；在保障配电网安全经济运行的前提下，实现电力公司与上级电网以及用电用户的互利共赢[13]。而为实现ADN安全、高效、稳定运行，除从电源及配电网规划的角度努力外，还可通过负荷侧的响应来实现系统的协调2 第1章绪论优化[14]，此时需要合理有效利用集群需求响应技术[15]。同时，由于ADN中存在大规模的并网分布式能源[16]，对电网调度部门在短时间内利用供应侧和需求侧资源对系统运行状态实施调控提出了新的要求[17]。运行人员可通过集群需求响应的实时控制，利用聚合负荷群的主动响应，实现系统削峰填谷及改善日负荷运行曲线[18]，以及协调配合电网侧资源，更好地应对可再生能源并网造成的系统短时间波动，从而在紧急情况出现时，保证并网安全、经济、稳定运行[19]。同时作为系统备用，集群需求响应可提升系统对新能源的消纳能力，从而实现节能减排的目标。集群需求响应与ADN的关系如图1-1所示。配电网调控需求可控负荷调控指令主动集群需求需求侧配电网状态估计结果响应优化激励政策信息可控负荷调度发电/负荷预测数据预测数据校验功率平衡多运行场景实时监控设备运行状态调压配用互动安全运行风险信息交流可调响应潜力调频接入管理紧急处理负荷追踪调度控制结果调度控制结果图1-1集群需求响应与主动配电网关系图以ADN为核心的集群需求响应技术应能够有效处理“源荷关系”，使得在配电网中的各不同类型可控资源运行在合理区间。此外，还应结合配电网内的负荷运行特性，通过机理特性聚合或非侵入式群体建模，实施合理的集群需求响应控制策略和方案，实现需求侧群体互动，为电网提供不同类型的辅助服务。1.3需求侧可控负荷研究现状集群需求响应是以需求侧可控负荷为调控对象，以配电网络中的功率、频率、电压的调节为调控目标的一种需求响应形式。近年来，因其较大的可调潜力和显著的调节效果，较为快速的响应速度受到广泛关注。需求侧响应(Demand-sideResponse,DR)的概念由美国提出，用以描述电力需求侧管理如何在竞争市场中充分发挥作用，以提高系统运行效率和维护系统可靠性。广义来讲，DR是指电力市场中的用户对电力市场中的价格信号或激励机制(措施)作出响应，改变常规的电力消费模式，参与市场互动的行为。从资源角度看，DR可视作一种资源，其容量可近似看做减少的高峰负荷或替代的装机容量；从能力角度分析，DR可以提升电网运行可靠性，增强电网应急能力；从具体行为看，DR指用户参与负荷管理，调整其用电方式的过程。目前，DR控制技术和方法可从两个角度进行划3 天津大学硕士学位论文分和讨论：一是从DR控制目标角度，按其对电力系统的作用，可分为电能优化配置、调频辅助服务、紧急备用服务(旋转/非旋转备用)形式等；二是从DR控制手段角度，可分为基于价格的控制和基于激励的控制两类。DR在电力系统规划运行中的角色，可以根据电力系统规划与运行的计划周期进行定位。电力系统规划与运行按照计划周期的远近程度可分为年度及以上系统规划、月度运行计划、日前市场经济调度计划、实时市场经济调度计划、15min内负荷控制计划等五个环节。不同环节对应着不同的需求响应措施。目前，大量研究工作集中于电力系统机组组合、经济调度等环节中，此时，一般对DR进行小时级(Hourly)控制，实现电能在用户侧的优化配置，提升电力系统的运行效率和经济性。关于DR技术可控负荷及DR参与电网辅助服务等研究领域，已有许多学者开展了研究。1.3.1负荷建模和分类技术在负荷建模和分类技术领域，已有部分研究成果：在机理特性研究方面，研究主要关注两类对象：温控负荷和储能型负荷，且均已有很多前期研究：1)温控负荷研究领域：文献[20]基于动态建模理论，应用Karlsson-Hill模型对电热泵设备的常规运行及启停状态进行了分析。文献[21]利用热力学等值参数，提出了电热泵负荷双质模型，进一步设计了控制策略对电热泵群进行控制，最终平抑了可再生能源波动，从而辅助电力系统运行。文献[22]-[24]将一阶微分方程，应用于家用温控负荷，基于所建模型，进行了负荷预测和仿真验证。文献[25]考虑季节特性，实施分季度建模，提出了气温对与负荷特性的影响分析方法和关联特征的挖掘提取方法。文献[26]针对目前负荷特性难以定量评估，缺乏直观呈现手段的现状，引入了灰色关联度法，对其中的关键因素进行定量分析，总结归纳出了对负荷特性变化影响较大的因素。2)储能型负荷领域：在该领域内，研究对象一般分为分布式储能(一般储能，小水电、工业化负荷电解器)和移动储能两类。对于分布式储能，文献[27]提出了分层负荷管理策略，以电解氢装置为研究对象，建立虚拟电厂模型，基于“自下而上”建模框架，研究评估了由响应负荷提供的旋转备用，以及对电力系统运行的影响；文献[28]应用工程方法对电解氢装置实行建模及管理，最终实现了可再生能源的就地消纳，减少弃风。另一类储能型负荷为移动式储能，主要用于表征刻画电动汽车行为，文献[29]将电价政策、电动汽车运行模式和充电地点等特征，在模型制定中考虑，基于电池充放电特性，计算出电动汽车时序充电功率期望值，进一步应用中心极限定理对电动汽车群体的功率分布进行分析；文献[30]从出行4 第1章绪论特征概率密度函数着手，应用模拟方法得到群体充放电功率分布；文献[31]基于更为精细化的电动汽车运行数据，从条件概率的角度分析了车辆出行时刻和行驶距离的相关性，进而得到更具说服力的结果；文献[32]则利用燃油车行驶数据，基于随机理论，最终构建了电动汽车对应的统计模型。上述研究成果，都是将电动汽车看做一种可被利用的储能环节，由于电动汽车的电池会随着汽车的移动而变换位置，因此将其视为移动储能。在负荷响应聚合建模研究方面，大量工作关注非侵入式建模研究：文献[33]提出了一种基于数据的负荷特性研究分析方法。文献[34]提出密度梯度算法，但无法保证不同扰动强度对聚类的影响。文献[35]提出模糊聚类法，以最大最小距离为相似性度量，进行聚类分析，可识别具有特殊特性的样本，但对孤立点较敏感。此外，有研究应用神经网络法[36]，对负荷进行聚类分析，得到各类典型负荷曲线，进而把典型负荷曲线进行叠加，得到总负荷曲线并估计其聚合效果。文献[37]提出阶段聚类法，首先得到各用户典型负荷曲线，再利用典型负荷曲线对用户进行分类，核心在于寻求样本质量选取方面的突破。文献[38]提出了SOM神经网络和C-均值法，利用SOM网络确定聚类数目及各中心点，将结果运用于C-均值聚类，提高聚类算法收敛速度和精度。文献[39]提出了面向异构温控负荷群体的需求响应聚合模型，利用统计手段分析用户用电行为，同时刻化群体的动态特征；在此基础上，进一步考虑了实际空调压缩机的锁定约束，分析了其给调控结果带来的影响。文献[40]将暂态稳定分析中的空调负荷，等值为“感应电动机+静态负荷”模型，并展开相关研究。文献[41]从负荷预测角度，提出了以模糊线性回归和指数平滑结合的综合方法，来进行气温敏感型负荷的建模。文献[41]考虑了人体舒适程度、空调指数等因素，提出了改进的空调负荷模型。文献[43]则考虑了气象变化因素，对聚合模型进行修正，进而应用于短期负荷预测。1.3.2需求侧可控负荷控制技术为了合理调控需求侧可调负荷，提高负荷侧的能源利用效率，并充分挖掘其需求响应调控潜力，需对需求侧可调负荷实施有效调控，对此国内外学者进行了大量的研究，并获得了一定的成果。1)在温控负荷研究方面，文献[44][45]所提出了状态队列(StateQueuing,SQ)法，针对温控设备开关状态转移特性进行建模；文献[46]进一步给出基于温度优先队列策略的控制算法，利用参数序列化技术设计响应控制策略。文献[47]提出一种改进的温度调节方法，可有效克服传统温度调节方法造成聚合负荷波动的现象。文献[48]基于典型温控家居负荷的热力学动态模型，提出了一种归一化温度延伸裕度的温度设定值调控策略，实现了跟踪响应信号性能稳定、响应误差小的5 天津大学硕士学位论文目的。文献[49]构建了中央空调负荷循环模型，并对其施加占空比控制策略。文献[50]基于中央空调轮停技术，分析了其对夏季负荷影响的程度。依托高级量测体系技术，文献[51]提出了商务楼中央空调的控制策略，实现了对中央空调远程周期性暂停调控。文献[52]研究了面向峰谷平衡的商业楼宇空调负荷调控技术，实现了良好的削峰效果。文献[53]研究了中央空调群体在调控期间的降负荷潜力，为后续负荷聚合商将中央空调负荷纳入电网调度环节提供了一定的理论依据。文献[54]以高峰用电时段降低中央空调负荷占比为优化目标，得出了最优控制策略，减少了高峰时段的电力消耗。2)在储能型负荷研究方面，研究人员同样对分布式储能和移动式储能分布开展了研究：在分布式储能研究领域：文献[55]介绍了包括电解氢在内的储能系统的发展现状和运行控制策略，并提出了低通滤波算法平抑风电波动。文献[56]建立了风电/光伏/制氢/超级电容器并网系统模型，分别提出对应的控制策略。文献[57]提出了能量约束的状态优先队列模型，将电解氢装置作为延迟负荷，对其充电过程采用迟滞控制，对集群负荷建立能量约束状态优先队列模型；仿真结果实现了电解氢装置的集群控制，达到了减少化石燃料燃烧和温室气体排放的目标。文献[58]对高度分散的电解氢装置建立了单体及聚合模型，对其群体采用迟滞控制策略，从而实现对电解氢装置的优化调度，提高电力系统的灵活性。在移动式储能研究领域：电动汽车是一种相对灵活的响应资源，配备有车载双向电力电子变换器的电动汽车，可以从电网汲取电能，还能够在必要时将电能回馈给系统，即电动汽车到电网(VehicletoGrid,V2G)技术[59]，因此可实现很好的调控效果，而针对电动汽车充放电过程的合理有序管理是实现该技术的关键。现阶段，部分学者已经开展了深入的研究工作：文献[60]构建了电动汽车集群控制模型，并对其施加可改变电动汽车可调容量边界的需求响应控制策略，实现了对电动汽车充电进行合理有序的控制。文献[61]提出了延迟充电策略，为系统提供“削峰填谷”服务，降低了由电动汽车充电对配电系统造成的不利影响。文献[62]-[65]分别讨论了电动汽车作为电力系统旋转备用、参与频率调节、参与电压控制以及可再生能源集成等问题，并给出相应的方法。文献[66]-[67]利用需求响应策略，缓解了由电动汽车充电导致的变压器过载和传输线路阻塞的问题。文献[68]提出了一种分布式需求响应控制策略，最终实现减少系统网损和降低用户充电成本。在电动汽车充放电控制和利用领域，文献[69]提出了一种区域内电动汽车充放电控制策略，文献[70]提出了基于拉格朗日松弛法的分布式充放电控制策略。电动汽车作为一种新兴产业，可利用其良好的储能特性和可控特性，使其成为需求侧良好的响应调度的资源，为电网提供服务。为此，文献[71]-[74]通过需6 第1章绪论求侧管理的方法对电动汽车进行了有效引导，达到了电动汽车充放电行为的有序优化控制。文献[75]-[76]研究了在基于需求响应的控制策略下，电动汽车接入给电网影响带来的风险性。文献[77]考虑电网公司收益最大化，建立了电动汽车需求响应经济调度模型，优化制定了电动汽车充电电价，用以转移电动汽车充电负荷。文献[78]采用仿真技术，分析了电动汽车充放电统计特性，通过解析技术将随机问题转化为确定问题，以降低研究难度，最后应用内点法进行求解。此外，近年来在需求响应的理论研究和具体实现技术领域，也取得了较多进展[79]-[84]，这些研究都为需求侧可控负荷调控提供了理论基础和技术支撑。1.3.3需求侧可控负荷参与电网辅助服务在电力市场环境下，为使电力用户得到更具保障的电能供应，需要利用辅助服务维持电力系统正常运行，保持其具备持续电能供应的能力。辅助服务是确保电力系统安全稳定可靠运行，保证电力供应质量必不可少的服务。目前，在需求侧可控负荷参与提供电网辅助服务方面，研究主要集中在为电网提供调压、调频及负荷追踪服务等领域。在稳定系统电压频率领域，有文献进行了负荷转移的研究[85]，文献[86]提出了一种以温控负荷群为研究对象的开环控制方法，通过将大规模温控负荷视为“虚拟储能设备”以平抑可再生能源功率波动，为电网提供负荷跟踪等辅助服务，保障系统安全运行。在考虑用户舒适度的前提下，文献[87]提出了一种基于高度分布式电力负荷管理的最优需求响应弹性控制策略，旨在保持输电系统的电压稳定性；所提出的控制策略能够在保护用户舒适度的前提下，对电热泵群进行合理调控以达到降负荷的目的，同时增强系统的电压稳定性。文献[88]提出了一种基于潮流跟踪的新型调节控制策略，它通过使用考虑用户舒适度的需求响应控制策略，达到了跟踪风电场输出功率波动的目的，而剩余的有功功率不平衡则由传统发电机进行补偿。文献[89]通过对风电场双电池储能系统提供的频率控制辅助服务进行研究，提出了一种调节双电池储能系统输出的控制策略，提高了电网系统频率调节特性。文献[90]在考虑用户舒适度情况下，提出了一种电动汽车集群动态频率调节控制策略，根据系统频率偏差来调节功率消耗。文献[91]基于概率分布方法，以电动汽车为调控对象，参与电网调频，对其调控效果构建了成本函数，依托历史数据，确定了电动汽车参与调频的最优合同值。文献[92]考虑电动汽车属性特征，制定了考虑用户需求的电动汽车参与频率辅助服务的控制策略。文献[93]在评估电动汽车可调度容量时，以用户出行需求、电池使用寿命等为约束条件，建立了考虑电动汽车可调度容量的静态频率特性模型，实现电动汽车参与电网调频的目的。7 天津大学硕士学位论文在负荷追踪服务方面，文献[94]提出了一种平抑微网联络线功率波动的控制方法，通过为电池储能系统和电热泵负荷虚拟储能系统设置不同时间常数滤波器，实现联络线功率波动中高频和低频信号分离；进一步地，文献[95]提出一种基于可变滤波时间常数的电池储能和电热泵虚拟储能间的协同优化控制策略，取得很好的控制效果。文献[96]通过对电动汽车、电热泵两种资源进行有效调控以平抑微网联络线功率波动，为电网提供以负荷调节为基础的辅助服务。文献[97]制定了面向联网型微网空调负荷和储能电池的超前控制策略，通过引入充放电冗余的概念，解决了由混合储能系统不同单元充放电状态不一致导致的多余充放的问题。文献[98]基于市场均衡机制，提出了一种将控制目标分配至各空调负荷的分布式控制方法。文献[99]介绍了利用需求响应资源作为市场旋转、非旋转、运行及远期等备用的辅助服务现状。1.3.4本文的主要工作本文以主动配电网与负荷调控技术为研究背景，以不同类型的需求侧可控负荷为研究对象，建立其动态机理模型，研究相应的集群负荷调控技术，并使其参与可再生能源集成的辅助服务，论文的研究框架如图1-2所示。具体工作如下：(1)首先，论文将研究一种“自下而上”的需求侧可控负荷机理建模方法，可考虑可控负荷的物理动态机理(热力学、充放电特性等)、用户用电特性等各方面因素影响，从而对典型需求侧可控负荷进行动态机理建模，并建立相应的热电或“电能-化学能”耦合模型，以反映负荷调控过程中需求侧可控负荷“非电量”和“电量”的相互转化关系。进一步，我们还会将该方法应用于三种典型需求侧可控负荷：电热泵、中央空调和电动汽车，分别进行三种需求侧可控负荷机理模型的构建。“自下而上”的建模方法，可以为进一步设计负荷调控策略和需求侧可控负荷参与可再生能源集成，提供模型支持。(2)基于通用参数序列化负荷控制策略，论文将对电热泵、电动汽车、中央空调三种需求侧可控负荷进行讨论，并选取和制定相应的调控方案：①电热泵：尝试采用室内温度作为排序指标，选取基于温度优先序列的电热泵控制策略，以实现负荷的统一调控；②电动汽车：将采用能量状态作为排序指标，选取基于能量状态优先队列控制方法，以实现对电动汽车的有效调控；③中央空调：将以主机为研究对象，采用负载率作为排序指标，并寻求一种基于参数序列化的中央空调变负载率调节控制策略，避免传统方法需要对机组频繁启停的弊端。最后，将通过多个算例分析，以验证所提方法的合理性与有效性。(3)将寻求一种面向“可再生能源-配电网络-需求侧可控负荷”互动，基于区域信息的主动配电网分层协同调控框架，其上层采用配电网潮流追踪算法，以8 第1章绪论实现一种新的主动配电网区域集群需求响应优化控制策略。配电网潮流追踪算法将基于配网潮流信息，充分考虑“源-网-荷”耦合特性，确定与可再生能源关联紧密的负荷区域，并做有效的功率波动分配。框架的下层，将在考虑电网、用户不同受益方和区域负荷控制成本的前提下，实现多种需求侧可控负荷的最优响应，以实现平抑主动配电网联络线功率的目的。第3章基于参数序列化技术的需求侧可控负荷第2章需求侧可控负荷动态机理建模控制策略研究需求侧可控负荷运行机理研究通用序列化方法模型典型运行参数关键控制参数需求侧可控负荷分群支撑电热泵负荷所处室内温度电热泵设备开关状态整合关键运行参数，形成综合序列化指标综合序列化指标优先排序负载率中央空调室内温度负载率中央空调开关状态响应群体筛选电动汽车能量状态电动汽车充电状态响应群体直接负荷控制理论支撑理论支撑负荷序列化方法需求侧可控负荷模型基于温度优先队列的电热泵控制策略策略电热泵验证基于序列化的中央空调变负载率调节策略电动汽车中央空调基于参数序列化的电动汽车控制策略模型支撑策略应用第4章需求侧可控负荷参与主动配电网可再生能源集成辅助服务技术研究基于聚合信息的“源-网-荷”分层协同优化控制框架基于DNPFT的可再生能源有功调度与节点集群需求响应策略顶层调度层基于DPFT的可再生能源波动平抑算法考虑节点控制成本的优化函数群体调控层平衡可再生能源波动的负荷调节量优化函数I型有功调度调控手段设备响应层配电系统潮流追踪优化函数II型图1-2文章结构图9 天津大学硕士学位论文10 第2章需求侧可控负荷动态机理建模第2章需求侧可控负荷动态机理建模2.1引言现阶段的负荷建模精细化程度不高，影响在此基础上的进一步应用。传统的负荷分类方法多数没有充分考虑用户负荷的实际特性和变化规律，缺乏理论依据，其人为因素较大，降低了模型的准确性和合理性。传统的负荷分类方法，多数对负荷采用“自上而下”的建模和控制思路，调控对象大多为设备的顶层控制单元，每次调控会影响全部的负荷用户，对用户的调控缺乏针对性和选择性。需求侧可响应负荷建模方法是对负荷调度控制技术进行深入分析的基础和前提，需求侧负荷设备属于配电负荷的重要组成部分，应采用目前发展迅速的交叉学科领域“自下而上”建模方式，考虑其物理动态属性、人类使用行为等各方面因素影响，构造多状态时变综合负荷模型。这种建模方法是目前在配电集成技术、智能用电技术、需求响应控制技术中主要采用的负荷建模方法，可描述各种需求侧设备的不同工作状态。本文采用“自下而上”的需求侧可控负荷机理建模方法，考虑可控负荷的物理动态机理(热力学、充放电特性)、用户用电特性等因素影响，对典型需求侧可控负荷进行动态机理建模。建模过程中将考虑不同类型负荷各自的运行特性，同时，还将关注用户舒适度的约束。近年来，很多学者对不同类型的需求侧可控负荷进行了研究，其中：电热泵是家居温控负荷的典型代表，具有良好的热储能特性，成为需求响应控制领域关注的热点[100]；中央空调负荷因其较大的可调潜力而受到广泛关注[101]；电动汽车由于具备和主动配电网协调互动的需求响应能力，有大量工作围绕其充放电过程展开[102]，因此，我们将选取以上三种需求侧可控负荷进行详细研究。2.2需求侧可控负荷机理建模2.2.1典型需求侧可控负荷机理建模方法典型需求侧可控负荷因其物理机理不同，存在多种运行状态，本文假设共存在n个系统运行状况，如下式所示：W(WW,,...,W,...,W)(2-1)12on其中，W为所研究需求侧可控负荷的可能运行状态，W为系统运行状态的集i合。以运行状态W为例，其动态机理模型如下式所示：o11 天津大学硕士学位论文tttAfTNTN(,...,TNA,...,,,z11LL11(2-2)ttttt...,,...,AAC,,...,C,...,C)z11zkk1其中，t为所研究时刻；TNTN,...,TN,...,为反映负荷物理特性的相关参数；1LL1ttttttAA,...,A,...,为t时刻负荷的关键运行参数；CC,...,C,...,为t时刻负荷的控制1zz11kk1运行变量。一般情况下，需求侧可控负荷的运行功率由其自身运行控制变量及额定功率决定，而运行控制变量由负荷关键运行参数及其前后时刻运行状况共同决定。需求侧可控负荷关键运行参数与负荷功率消耗具有一一对应关系。以运行模式Wo为例，由关键运行参数构成的“非电量-电量”耦合模型如下式所示：PgCP(,,)(2-3)k1rated其中，P为负荷额定功率；为负荷效率因数；C为负荷的某一运行控制变ratedk1量，可由下式确定：ttAAzz11,ttttCAAY(2-4)k1z1z1,tCelsek1tt其中，A、A为关键运行参数下、上限；X、Y表示负荷的两种运行状态。i,i,由上述模型可以看出：不同需求侧可控负荷均可建立与电能之间的耦合关系。通过控制和调节负荷中与运行状态紧密相关的非电参数，影响负荷的功率消耗，实现响应目标。表2-1不同需求侧可控负荷耦合模型变量tt名称ACX，Yz1k1电热泵室内温度开关状态关—0；开—1电动汽车能量状态充电状态闲置—0；充电—1制热状态—Hset；中央空调室内温度负载率非制热状态—Lmin上表中L代表中央空调非制热状态运行时的负载率，一般取值为(0,0.5]；minH代表中央空调制热状态运行时用户设定的负载率，即中央空调由非制热状态set进入到制热状态后的初始负载率，一般取值为(0.5,1][103]。表中其他参量含义较为明了，不再解释。在各种需求响应负荷中，电热泵和中央空调数量巨大，已经成为夏季用电高峰期的主要负荷；伴随着化石能源带来的环境问题日益突显，电动汽车逐渐成为人们出行的一种重要工具。本文选取以上三种负荷展开研究，各需求侧可控负荷模型参数如下表所示。12 第2章需求侧可控负荷动态机理建模表2-2不同需求侧可控负荷模型变量tt名称TNL1Az1Ck1电热泵相关建筑、热力学参数室内温度开关状态电动汽车充、放电参数能量状态充电状态中央空调相关建筑、热力学参数室内温度负载率2.2.2电热泵负荷机理建模本文应用文献[100]的电热泵热力学动态模型，可表示如下：1)电热泵开启时，HP,tHP,ttttt/(ttRC)TTQRTQRT()e(2-5)roomoutoutroom2)电热泵关闭时，HP,tHP,ttttt/(ttRC)TTTT()e(2-6)roomoutoutroomHPoo其中，T为电热泵调节的室内温度，C；C为等值热电容，J/C；R为等值热room电阻，oC/W；Q为等值热比率，W；t为仿真时间；T为室外温度，oC；t为out仿真步长，本文取1min。电热泵所处室内温度及其前后时刻的运行状态共同决定了开关状态，而设备开关状态及额定功率决定了其用电功率。则由此构成的热电耦合模型可以表示为：PratedPnQn(2-7)HPHPHP其中，PHP表示电热泵的实际功率；QHP表示电热泵的额定热比率；Prated表示电热泵的额定功率；HP表示电热泵的设备效率因数；n表示电热泵的开关状态，表达式如下：HP,tttHP1TTTroom-,HPset,HP2tt+ttHP,tHPnTTT0(2-8)HProom+,HPset,HP2tn其他HPHP,tttt其中，t表示所研究时刻；T、T、T、T分别为电热泵的用户室内温roomset,HP+,HP-,HP度、工作温度设定值、温度调节上下限，为温度调节死区。HP单个电热泵负荷的运行特性如图2-1所示，由图可知：电热泵所处室内温度与电功率消耗具有一一对应的热电耦合关系。13 天津大学硕士学位论文室内温度温度上限温度下限时间功率时间图2-1单台电热泵运行特性2.2.3基于负载率的中央空调负荷建模各种典型的中央空调特点和工作原理如下表2-3所示，本文以较为常见的常规水冷中央空调系统为研究对象。夏季时，中央空调机组的室内温度自然波动曲线[101]如图2-2所示。一天内中央空调机组存在两个运行模式：待机和工作模式。室内温度上升时，中央空调主机以非制冷状态运行；室内温度下降时，中央空调主机以制冷状态运行。在温度下降过程中，伴随着中央空调档位的变化，即不同负载率的变化。t时刻，对于一台中央空调而言，当运行状态处于其最大负载率的50%以上时，称该台中央空调在t时刻处于高负载率运行区间(高载区)；当运行状态处于其最大负载率的50%及以下时，称该台中央空调在t时刻处于低负载率运行区间(低载区)[103]。表2-3不同需求侧可控负荷耦合模型变量中央空调系统工作原理水冷式中央空调是一种依靠水和空气进行换热，从而把冷凝器的常规型中央空高温带走，从而实现制冷的空调系统。它除了具备日常的降温功调系统能之外，还具有通风换气、除尘、除味等效果。水冷冰蓄冷中央空调是常规型中央空调系统的延伸。冰蓄冷空调系统，中央冰蓄冷中央空就是利用蓄能设备在空调系统不需要冷量的时间内将冷量储存起空调调系统来，在空调系统需要的时间再将这部分能量释放出来的空调系统。系统地源热泵中央空调系统工作原理：冬季，热泵机组从地源(浅层水地源热泵中央体或岩土体)中吸收热量，向建筑物供暖；夏季，热泵机组从室内空调系统吸收热量并转移释放到地源中，实现建筑物空调制冷。冷凝器里的冷凝剂是与室外风进行换热的，也就是说，冷凝剂通风冷中央空调系统过冷凝器与室外空气进行换热，吸收空气中的热量。VRV(多联机)通过控制压缩机的制冷剂循环量和进入室内换热器的制冷剂流中央空调系统量，适时满足室内冷、热负荷要求的直接蒸发式制冷系统。14 第2章需求侧可控负荷动态机理建模o非制冷运行制冷运行运行状态温度上限室内温度(C)[工作模式]温度上限[待机模式]工作档位待机模式调整模式死区死区温度下限[待机模式]温度下限[工作模式]负载率调节高载区最低负载率低载区时间待机模式工作模式待机模式图2-2中央空调室内温度自然波动曲线根据能量守恒原理，任何时段中央空调房间内的热量变化，可以表示为两部分之差：一部分为该时段房间的得热量和新风负荷之和；另一部分为建筑内表面的蓄热量和空调供冷量之和[104]-[105]。由此，推导出中央空调系统的室温时变方程，分为两个模式，其一为待机模式，此时中央空调机组有：(1)主机非制冷状态运行(待机)：CCNiMpQMpQtTtin-ucTttin-uce()[()]im,,iimiYi(2-9)im,,imNNii(2)主机制冷状态运行(待机)：CCNiMpQMpQ3tTtin-cTtin-ct()e[()]im,,iimiYi(2-10)im,,imNNii其二是工作模式，此时中央空调机组有：(1)主机非制冷状态运行(工作)：CCNiMQMQtTtin-ucTttin-uce()[()]im,,iimiYi(2-11)im,,imNNii(2)主机制冷状态运行(工作)：CCNiMQMQ3tTin-c()tim,,i[Tin-c(tt)imi]eYi(2-12)im,,imNNiiin-ucin-uc其中，Tt()、Ttt()为中央空调非制冷状态运行时，用户i在第m个周im,im,in-cin-c期t、tt时刻的室内温度；Tt()、T()tt为中央空调制冷状态运行时，im,im,C用户i在第m个周期t、tt时刻的室内温度；Q为用户i制冷机的额定供冷i量；p为低耗系数，一般取[0.1,0.2][106]。参量M、N、Y由建筑参数和中央空im,ii调参数决定：mmoutM(a1.01C)Tb38.5Cim,,iimimimNa1.01C(2-13)iiiinYCVRSiiii15 天津大学硕士学位论文m2其中，C为新风量(g/s)，可按0.1人/m计；C为空气定压重量比热，一般取i0.28J/kg·oC3；V为用户i的制冷空间体积；为空气密度，一般取1.29kg/m；Rii2oin2为用户i的内墙面蓄热系数(W/m·C)；S为内墙面积(m)。其中，a和b的展开iii式如下：JJinaiSijKwijSKijcij,[,],[,]jj11JLQinwLQcoolbiKzijCjmSDijCjmeNS[,]i,,(2-14)j1LQcoollpLQcoolCNSqCqnS()mlismlkiincool式中：S为用户i第j面的传热面积；S为外墙第j面的窗户面积；S为用ij,ij,i户i的制冷区面积；K为用户i第j面的外墙传热系数(W/m2·oC)；K为用wij[,]cij[,]户i第j面窗户的窗玻璃传热系数(W/m2·oC)；K为用户i第j面窗户的窗玻璃zij[,]LQw遮阳系数；Cjm,为控制周期m第j面窗玻璃的冷负荷系数；Dj为第j面窗户的2LQLQl日射得热因数(W/m)；C、C为设备和照明的冷负荷系数；N、N为设mmel2LQp备和照明的单位面积散热量(W/m)；q、q为人体显热和潜热热量；C为人slm体显热散热冷负荷系数；n为单位面积人数，可按0.1人/m2计；为群集系数。k上述建立的设备热力学动态模型最重要的特点是温度变化和设备消耗功率具有一一对应的热电耦合关系，如式(2-15)、(2-16)所示：PRP(2-15)cool其中，P为中央空调的额定制冷功率；R代表中央空调负载率，反映了其负荷cool水平，由式(2-16)确定：LTTminminRt()tHTT(2-16)setmaxRt()else其中，T、T为室内温度的上、下限，Rt()、Rt()t代表t、tt时刻中央maxmin空调的负载率。通常，为避免中央空调频繁被控制，压缩机安装有延时继电器。因此，压缩机在某一时间段内将处于“关闭”状态，这种现象称为压缩机的“锁定约束”。此时，处于“关闭”状态的压缩机存在最小“关闭”时间，如5分钟。最小“关闭”时间又称“锁定时间”，处于锁定状态的中央空调不参与调控[107]。锁定约束对用户的用电曲线、用户舒适度、控制策略的实施均会产生一定程度影响。本文考虑中央空调锁定约束，制定策略流程如下图2-3所示。16 第2章需求侧可控负荷动态机理建模中央空调负荷群判断类型外部信号增加负荷减少负荷非制冷群判断类型制冷群筛选NYCAC被选中CAC处于CAC处于锁定状态锁定状态NNYY改变CAC运行状态自然仿真剔除该设备锁定时间记为1锁定时间加1自然仿真CAC处于锁定状态NY自然仿真解除锁定N仿真时间上限Y结束图2-3考虑压缩机约束的中央空调机组工作流程图2.2.4电动汽车负荷机理建模本文应用文献[108]建立的电动汽车充电模型。假设用户希望在T时间内完u,i成充电，其动态方程如下：ttttEEE(2-17)r,r,iiib,Tu,iEiib,T(2-18)u,iPiic,ttttEEPnt(2-19)f,if,iic,iitt其中，i为电动汽车标号；E为电动汽车充电容量；E为电动汽车真实充电容r,if,i量；Eb,i为电动汽车电池容量；t为仿真步长；i为期望因子，满足i1，反映t了用户的充电期望区间；P为电动汽车的充电功率；为充电效率；n为充电c,iiitt状态，电动汽车在充电时有两个状态，即充电状态(n1)和空闲状态(n0)。ii17 天津大学硕士学位论文tt为了更加详细描述电动汽车充电状态n的转换过程，定义能量状态值，如ii式(2-20)所示。将其与功率消耗对应，如图2-4所示。和分别为第i辆电动,i,it汽车的能量状态最大和最小值，为能量状态死区，如式(2-21)所示。n的变化ii如式(2-22)所示。ttEEtf,,iri(2-20)iEb,i(2-21)iii,,t1ii,tttn0(2-22)iii,tni其它充电轨迹实际充电上下边界实际充电轨迹充电轨迹实际充电池电容量容量充电容量t能量状态t功率t图2-4电动汽车充电模型tt根据电动汽车n和功率消耗的对应关系，可以看出：n改变时，消耗的功率ii会随之改变，因此，可以通过控制电动汽车充电状态来控制电动汽车消耗的功率值。2.3本章小结本章研究了一种“自下而上”的典型需求侧可控负荷机理建模方法，考虑可控负荷的物理动态机理(热力学、充放电特性等)、用户用电特性等各方面因素影响，对典型需求侧可控负荷进行动态机理建模，并建立相应的热电或“电能-化学能”耦合模型，可反映负荷调控过程中需求侧可控负荷“非电量”和“电量”的相互转化关系。进一步，将该方法应用于三种典型需求侧可控负荷：电热泵、18 第2章需求侧可控负荷动态机理建模中央空调和电动汽车，分别进行三种需求侧可控负荷机理模型的构建。“自下而上”的建模方法，为进一步设计负荷调控策略和需求侧可控负荷参与可再生能源集成，提供了模型支持。19 天津大学硕士学位论文20 第3章基于参数序列化技术的需求侧可控负荷控制策略研究第3章基于参数序列化技术的需求侧可控负荷控制策略研究3.1引言近年来，随着人们生活水平的提高，热泵、空调等需求侧可控负荷量不断增加，加大了电网安全运行压力。需求侧可控负荷具有较大的调控潜力，由大量需求侧可控负荷构成的负荷群具备规模化的调节能力，能够为电网提供多种辅助服务。综合来说：对需求侧可控负荷群的合理调度有利于缓解电力供应紧缺矛盾，优化用电方式，对实现电力资源的优化配置和可持续发展具有深远意义。直接负荷控制属于激励性需求响应技术，其实施对象涵盖居民或商业化用户中的空调、电热泵等温控负荷，还包括电动汽车等具有负荷调控潜力的储能型负荷。其目的是在用户许可下，调度侧根据电网需求，通过远端控制装置直接控制管理用户的一部分负荷，这些负荷在短时间停电或改变能耗的情况下不会影响参与用户对供电服务质量的满意度，并对参与用户进行一定补偿。本章基于第二章建立的需求侧可控负荷数学模型，阐述了一种需求侧可控负荷直接控制通用化手段——基于参数序列化的需求侧可控负荷控制策略。通过建立通用化的数学模型，来描述不同需求侧可控负荷的物理特性及调控特性，进一步给出具有一般性的控制流程和调控思路。同时，分别以电热泵、中央空调、电动汽车为研究对象，建立了对应的参数序列化调控策略：基于温度优先序列的电热泵控制策略、基于参数序列化的中央空调变负载率调节控制策略、基于参数序列化的电动汽车控制策略。3.2参数序列化方法3.2.1通用参数序列化方法(1)需求侧可控负荷分群在一个最小控制周期内，系统可根据负荷运行状态分为若干个负荷群，设共n个，如下式所示：tttttSSS(,S,...,S,...,)(3-1)12nn1tttt其中，t为所研究时刻，SS,,...,SS,...,为t时刻根据需求侧可控负荷运行状态12nn1划分的若个负荷群。所包含负荷数目分别为m,...,m,....m，总负荷数为1nn121 天津大学硕士学位论文ttmm=m...m...+1nn1。其中，第n1个负荷群可用式(3-2)表示，Sns1,为Sn1群体中第s个负荷。ttttttSS()nSS=(S,S,,,...,)(3-2)1,1,2,,n1n1n11ns1nmn1(2)整合负荷关键运行参数，形成综合序列化指标负荷的关键运行参数，可反映其在运行过程中的主要物理特性，通过对该参数或参数组合进行分析，能够有效还原负荷的运行状态。定义负荷响应群体在t时刻的不同关键运行参数集合如下，共有z个。tttttAAA(,,...,AA,...,)(3-3)12zz1t其中，第z个关键运行参数集合如下式(3-4)所示，a为t时刻，第z个关键运1z,1a1t行参数集合中的第a个参数，也可表示为A()a。z1ttttttAA()zaa(,a,,a,,)(3-4)1,1,2,,z1z1z1za111za由上式可知：对于第in个负荷，在t时刻有z个关键运行参数：1tttAA(in),A(in),...,in()。通过某些方法(如权重法，即分配各个关键运行参数11211z参与综合指标计算的权重)将各关键运行参数整合，可得到t时刻的第in个负荷1的参数序列化综合指标如下式(3-5)所示。f()代表了关键运行参数整合方法。ttttbfininin((A),A(),...,A())(3-5)in1z11211t定义为参数序列化综合指标集合，如下式(3-6)所示。ttttt(,,...bbb...,b)(3-6)12in1in类似地，定义t时刻，负荷群运行控制变量集合如式(3-7)所示，共k个。其t中，第k个运行控制变量集合可通过式(3-8)表示。c为t时刻，第k个运行控1kc1,1t制变量集合中第c个变量，也可表示为C()c。k1ttttCCC(C,...,),...(3-7)1kk1tttttC(c,,...cc,...,c)(3-8)k1k1k1kc11kc1,1,2,,t在t时刻，第in个负荷消耗的电功率d应为以上各运行控制变量的函数，1in1ttt如式(3-9)所示的g()。定义D为负荷群的功率集合，din为D中第n2个负荷功率，1如式(3-10)所示：ttttdn2g(Cn2(in1),...Cn2(in1),...,Cn2(in1))(3-9)tttttD(,dd,...,d,...,d)(3-10)12in1m(3)综合序列化指标优先排序tt根据需求侧响应目标类型，确定参与负荷调控的响应群体S。在S内，对n1n1t各负荷按照综合序列化指标b升序或降序排列(由响应目标类型决定)。将重新排in1ttt列形成的综合序列化指标b所对应负荷，在S中的序号形成集合E，如下式in1n1n1所示：22 第3章基于参数序列化技术的需求侧可控负荷控制策略研究tttttE(e,,...,eee,...,)(3-11)n1n1n11nh1n,1,2,,mitt其中，e为E中的第h个元素。nh1,n1对应的负荷功率如式(3-12)所示，至此形成基于序列化参数升序或降序排列tt的响应群体功率集合Dsn1。其中，denht,为Dsn1中的第h个元素：1tDsn1(dent,1,dent,2,...,denht,,...,dent,m)(3-12)11111(4)响应群体筛选tt经序列化排序的群体为D，如需要调控的目标为P，则应用下述目标sn1targett函数确定响应数目p：tpttObj:min{|()|}DsnhPtarget(3-13)1h1tt经上式计算，可最终确定响应群体S中，需要参与负荷调控的对象为前pn1个负荷。(5)响应群体直接负荷控制针对响应群体Dt的前pt个负荷，调整其各个运行控制变量Cpnt1,((1:Ett))sn1kn11为Cpnt1,1(Ett(1:))，如式(3-14)所示：kn11(C((1:pnt111C,1)),...,ntp,1CntEEEp,1(tt(1:tttt)),...,((1:)))1n1k1n1k1n(3-14)lC(((1:pnt111C,,,)),...,ntpEEECntttptt(tt(1:)),...,((1:)))1n1k1n1k1nt上式表示调控前后，对各个关键运行控制变量中前p个负荷调整后的形式。对于不同类型的负荷，运行变量有所不同，如针对电热泵，通过调整开关状态或温度设定值。针对电动汽车，通过调节其充放电状态来影响负荷群的功率消耗。通用参数序列化方法流程如下图3-1所示：在算法设计过程中，主要思路为对响应群体按照一定原则进行分群；进一步，确定负荷的关键运行参数，整合后形成综合序列化参数；将该参数作为序列化方法排序依据，进行响应群体的筛选；调节群体的关键运行参数，实现群体响应控制。不同类型的负荷群体，其分群方法、排序指标、调控手段也不尽相同。23 天津大学硕士学位论文负荷群运行控制量负荷群负荷群...负荷群...负荷群负荷关键运行负荷关键运行负荷关键运行......参数参数参数指标整合方法参数序列化综合指标序列化指标优先排序群体内响应个数求解目标信号调整负荷运行调整负荷运行调整负荷运行控制量控制量控制量图3-1通用参数序列化方法图在后面描述的各参数序列化方法中，将采用不同的参数序列化指标和调控手段。在各种需求响应负荷中，电热泵和中央空调数量巨大，已经成为夏季用电高峰期的主要负荷；伴随着化石能源带来的环境问题日益突显，电动汽车逐渐成为人们出行的一种重要工具，本文将选取以上三种负荷展开研究。本文选取三种典型需求侧可控负荷所采用的控制策略的序列化参数、关键参数、运行控制变量以及分群情况如下表3-1所示。表3-1不同需求侧可控负荷控制策略名称序列化参数关键运行参数运行控制变量分群开启群电热泵室内温度室内温度开关状态关闭群充电群能量状态电动汽车能量状态充电状态放电群能量状态边界闲置群制冷群中央空调室内温度室内温度负载率非制冷群3.2.2基于温度优先序列的电热泵控制策略研究由对式(2-8)的分析可知：单台电热泵在tt+时刻运行状态取决于t时刻运行状态、室内温度、室内温度设定值和温度死区。根据上述特征，将多台电热泵聚24 第3章基于参数序列化技术的需求侧可控负荷控制策略研究集，形成电热泵负荷群。控制策略对响应群体中单台电热泵进行开关操作，通过改变单台电热泵功率，进而影响整个负荷群的功率。文献[109]主要考虑用户室内温度，针对电热泵系统，提出了一种基于温度优先序列的电热泵控制策略，属于直接负荷控制的一种，下面进行详细描述。3.2.2.1电热泵集群建模在每一个最小控制周期内，电热泵系统都存在开启、关闭两个负荷群，由如下式表示：tttttO=(O,O,O,,O)(3-15)HPHP,1HP,2HP,3HP,n1tttttB=(,B,,B,)BB(3-16)HPHP,1HP,2HP,3HP,n2tt其中，t为所研究的时刻，O、B为t时刻处于开启、关闭状态的负荷群，其HPHPtt所包含负荷数目分别为n和n，总负荷数nnn。随着时间的变化，O和B1212HPHP中负荷数目和各自的运行状态均会发生变化，因此，nnn,,数值也是时变的。12根据以上描述，所有电热泵负荷可用一个集合表示：tttttD(O,,O,B,,B)(3-17)HPHP,1HP,nn12HP,1HP,开启群关闭群定义电热泵负荷群在t时刻的用户室内温度、温度设定值、温度下、上限以及温度死区如下：tttttT(T,,,T,,T)Troom1,room2,room,room,roomintttitnt1,2,,,Tset,HPset,HP(T,set,HP,,T,,T)set,HPTset,HPtttitnt1,2,,,T-,HP-,HP-,HP(T,,,T-,HP,,T)T-,HP(3-18)tttitn1,2,,,tT(T,,,T,,TT)+,HP+,HP+,HP+,HP+,HPtttitnt1,2,,,(,,,,,)HPHPHPHPHPit,it,it,it,其中，T,T,T和T分别为第i台电热泵在t时刻的用户室内温度、温roomset,HP+,HP-,HPit,度设定值、温度的上、下限；为该时刻电热泵的温度死区，定义为：HPit,,,ititTTin,1,2,,(3-19)HP+,HP-,HP由于电热泵之间参数的差异性，其运行功率也各不相同，因此定义负荷群功率集合如下：tttttP(,P,,P,,)PP(3-20)HP1,HP2,HP,HP,HPintt其中，Pi,HP为第i台电热泵在时刻t消耗的电功率，则DHP内所有负荷在t时刻消耗的总功率为：nn1totalttPHP()tPii,HPP,HP(3-21)ii113.2.2.2温度优先序列控制策略25 天津大学硕士学位论文温度优先序列的控制流程如下(以制热模式为例)：t1)确定参与调控的负荷群。当需要减少功率消耗时，对O群负荷实施控HPt制，关闭部分电热泵；当需要增加功率消耗时，对B群负荷实施控制，开启部HP分电热泵。2)确定具体控制负荷。在t时刻，分两种情况考虑，tt若需减少功率消耗P时，将O群内的负荷按照温度由高到低降序排列，targetHP形成新的负荷群体如下：ttttO=(O,,,O)O(3-22)newnew,new,new,j1j2jn1群体筛选需满足如下条件：tuHPttPPj,HPtargetee1(3-23)tuHP+1ttPPj,HPtarget>ee1t其中，u为t时刻参与调控的电热泵数目。HPtt若需增加功率消耗P时，将B群内的负荷按照温度由低到高升序排列，targetHP形成新的负荷群体如下：ttttB=(,B,,B)B(3-24)newnew,new,new,h1h2hn2群体筛选需满足如下条件：tvHPttPPh,HPtargetff1(3-25)tvHP+1ttPPh,HP>targetff1t其中，v为t时刻参与调控的电热泵数目。HPtt3)根据需要依次关闭O内或开启B内电热泵，直接改变这些设备的开newnew关状态，从而实现负荷调控的目的。3.2.3基于参数序列化的中央空调变负载率调节控制策略研究图3-2为夏季中央空调调控架构图，各组成部分如图所示。其中：红色箭头代表高温水，蓝色箭头代表低温水，在用户侧由风机带动，使室内降温。通信架构层，上层服务器向下层中央空调主机系统发送调控指令，中央空调负荷群每个时刻都可能接受外部的响应信息。由于中央空调可运行在制冷(夏季)和制热(冬季)两种运行模式，两者的调控过程刚好相反，为简单起见，本文仅讨论夏季空调运行模式。26 第3章基于参数序列化技术的需求侧可控负荷控制策略研究终端温度控制器新风机组F9工程师级工作站Web服务器互联网F8F7F6以太网F5冷却塔F4高温水高温水F3冷冻水泵主机低温水低温水F2中央空调机房冷却水泵F1低温水高温水信息通道空调控制器图3-2中央空调系统调控框架图通过对2.2.3节中的中央空调模型分析可知：单台中央空调在t+1时刻运行状态取决于t时刻运行状态、室内温度和温度死区，如图2-2所示。根据上述特征，将多台中央空调聚集，形成中央空调负荷群。控制策略对响应群体中单台中央空调进行负载率调节，改变单台中央空调功率，进而影响整个负荷群的功率。用户的舒适感受主要由室内温度、湿度、室内空气流动等因素组成，本文主要考虑用户室内温度。针对主机系统，将提出一种基于参数序列化的中央空调变负载率调节控制策略，属于直接负荷控制的一种，下面进行详细描述。3.2.3.1中央空调集群建模在每一个最小控制周期内，中央空调系统都存在制冷状态、非制冷状态运行两个负荷群，由如下式表示：ttttK(,KK,...,)K(3-26)12m1ttttG(GG,,...,)G(3-27)12m2tt其中，t为所研究的时刻，K、G为在t时刻处于制冷、非制冷状态的负荷群，t其所包含负荷数分别为m和m，总负荷数为mmm。随着时间的变化，K1212t和G中负荷数目和各自的运行状态均会发生变化，因此，m、m、m也是时变12的。根据以上描述，所有中央空调可用一个集合表示：tttttttS(,KK,...,,,,...,KGG)G(3-28)1212mm12定义t时刻的运行温度，温度上、下限，温度设定值，响应群体筛选约束温度上、下限，温度死区集合，如下所示：tttttT(,TT,...,T,...,T)(3-29)12km27 天津大学硕士学位论文tttktmt1,2,,,T(T,,...,TT,...,T)(3-30)tttktmt1,2,,,T(T,,...,TT,...,T)(3-31)tttktmt1,2,,,T(T,,...,TT,...,T)(3-32)setsetsetsetsettttktmt1,2,,,T(T,,...,TT,...,T)(3-33)con,con,con,con,con,tttktmt1,2,,,T(T,,...,TT,...,T)(3-34)con,con,con,con,con,tttttΦ(,,...,,...,)(3-35)12kmtkt,kt,kt,式中，T、T、T、T分别表示第k台中央空调在t时刻的运行温度、温度上、ksetkt,kt,下限、温度设定值；T、T表示第k台中央空调在t时刻响应群体筛选约束温con,con,度上、下限，定义为：kt,,kttTT(3-36)con,setkkt,,kttTT(3-37)con,setk其中，为调节系数，一般取值为[0.3,0.5]。t表示第k台中央空调在t时刻温度死区，定义为：ktktkt,,TT(3-38)k定义t时刻，中央空调的用电功率、额定制冷功率如下：tttttP(,PP,...,P,...,P)(3-39)12km12kmP(,P,...,PP,...,P)(3-40)coolcoolcoolcoolcooltk式中，P、P为第k台中央空调在t时刻所消耗的功率、额定制冷功率。则整kcoolt个S中中央空调在t时刻消耗的总功率如下：mtPsumtP()k(3-41)k13.2.3.2变负载率调节机理t在t时刻，中央空调负荷群S对应的负载率、最低负载率、最高负载率集合如下：tttttR(,RR,...,R,...,R)(3-42)12kmR(,R,...,RR,...,R)(3-43)min1,min2,min,min,minkmR(,R,...,RR,...,R)(3-44)max1,max2,max,max,maxkmt式中，R,R,R分别表示第k台中央空调在t时刻的负载率、最低负载率、最kk,mink,max高负载率。对于第k台中央空调，其处于q档位时的负载率为L。kq,图3-3给出了中央空调负荷群负载率示意图，从下向上代表负载率的增加方向，阴影区域为中央空调负载率可调范围，1,2,…,k,…,m代表中央空调的标号，不同中央空调的负载率可调范围以及分档情况可能不同。28 第3章基于参数序列化技术的需求侧可控负荷控制策略研究图3-3中央空调负荷群负载率示意图图3-4描述了t时刻所有中央空调的相对位置，并定义了中央空调响应群体筛tttt选的温度范围[T,T]和[T,T]。在该范围外，中央空调处于制冷状态或非con,con,制冷状态时间较短，没有达到可控条件，不宜参与响应控制。图3-4中两个虚曲线描述了两种典型中央空调状态变化模式。第一种，中央空调仍保持制冷运行，负载率由R1调节为R2；第二种，中央空调由制冷运行变为非制冷运行，负载率由R3tt调节为R4。两种模式中，中央空调室内温度变化均保持在上下限[T,T]之内，保证了用户舒适度。oo室内温度(C)室内温度(C)非制冷运行状态（最低负载率运行）制冷运行状态（负载率调节）tTtGiGt1Ktijt2m1tGi3KtTcon,t...jm11GiptGtKjm12t时刻:R1tip1...Gip2t...t时刻:RKjlt+1时刻:R2t3Gi...m22tKGtt+1时刻:R4j3im21ttKTcon,tj2Gitm2Kj1tT图3-4基于变负载率调节的中央空调调控逻辑图3.2.3.3变负载率调节控制策略(1)中央空调分群t当需要减少系统负荷消耗时，对K实施控制，使部分中央空调非制冷运行；t当需要增加系统负荷消耗时，对G实施控制，使部分中央空调制冷运行。(2)温度优先排序及群体筛选结合式(2-15)，定义单台中央空调的功率消耗和所处负载率的关系式为：ttktPRPfR()k{1,2,...,}m(3-45)kkcoolkk选取用户室内温度为序列化参数，初步构建中央空调负荷群筛选队列。在t时刻，分两种情况考虑：29 天津大学硕士学位论文tt第一种情况，需要削减系统负荷消耗P。在K内，筛选出所有符合式target(3-46)约束的中央空调，并按照式(3-47)升序排列，形成式(3-48)所示的参与系统t负荷削减的中央空调响应群体K。tsTjtll,,TtTjtl{1,2,...,m}(3-46)jlcon,3ttttTTTT......(3-47)j12jjjlm3tttttK(,K,...,KK,...,K)(3-48)tsjjjj12lm3t其中，m3为K中符合式(3-46)约束的中央空调数目，mm31；jj12,,...,,...,jjlm表3示中央空调按温度升序排列之后的下标。群体筛选需满足如下条件：tu1tt1((P))jfejjeReP,mintargete1(3-49)tutt1((P))jfejjeReP,mintargete1t其中，u为t时刻参与调控的中央空调数目。至此，形成基于参数序列化的响应群体队列，得到可参与调控的负荷群记为：ttttK(,K,...,KK)(3-50)Rj12jjtutt第二种情况，需要提升系统负荷消耗P。在G内，筛选出所有符合式target(3-51)约束的中央空调，并按照式(3-52)依次降序排列，形成式(3-53)所示的参与t系统负荷提升的中央空调响应群体G。tsitpp,,titTTTp{1,2,...,m}(3-51)con,ip4ttttTTTT......(3-52)i12iiipm4tttttG(GG,,...,,...G)G(3-53)tsiiii12pm4t其中，m4为G中符合式(3-51)约束的中央空调数目，mm42；ii12,,...,,...,iipm表4示中央空调按温度降序排列之后的下标。群体筛选需满足如下条件：tv1tt1((f)Ri)igiggPP,maxtargetg1(3-54)tvtt1((f)Ri)igiggPP,maxtargetg1t其中，v为t时刻参与调控的中央空调数目。至此，形成基于参数序列化的响应群体队列，得到可参与调控的负荷群记为：ttttG(GG,,...,G)(3-55)Ri12iitv由于响应精度的要求，对于最后一台被筛选参与调控的中央空调，对其进行调整量的计算原则如下：需要削减系统负荷消耗时：30 第3章基于参数序列化技术的需求侧可控负荷控制策略研究tu1ttt11PjfujjLuttqutejPejejjePfRqh()(()),target{1,2,...,,min}e1(3-56)tuttt11PjfujjLuttqutejPejejjePfRqh()(()),1{1,2,...,target,min}e1需要增加系统负荷消耗时：tv1t11ttfjvt(Ljvt,q)PjvtPtarget(fig(Rig,max)Pig)q{1,2,...,hig}g1(3-57)tvt11ttfjvt(Ljvt,q1)PjvtPtarget(fig(Rig,max)Pig)q{1,2,...,hig}g1其中，hje、hig为第je、ig台中央空调的最大档位。q为最后一台被筛选参与调控中央空调档位。(3)变负载率调节t根据式(3-49)、(3-54)筛选出满足条件的中央空调，并根据需要依次降低KRt或提高G内中央空调负载率，最终使得被选中的中央空调改变其运行状态(制冷R非制冷、非制冷制冷)。中央空调负载率调节原则如下：t若降低K内各中央空调负载率，有：RttRRjKjj11,min1RttRRjKjj22,min2R............(3-58)RRtjKtjjuutt11,minut1RRLttjKjjqtt,Rutuut若增加G内各中央空调负载率，有：RttRRiGii11,max1RttRRiGii22,max2R............(3-59)RRtiGtiivvtt11,maxvt1RRLttiGiiqtt,Rvtvv负载率调节会改变中央空调运行功率，从而达到跟踪群体响应目标的目的。图3-5为基于参数序列化的变负载率调节调控策略图。31 天津大学硕士学位论文中央空调负荷群运行状态CAC分群和式(3-59)削减负荷提升负荷判断类型制冷群非制冷群制冷群温度筛选非制冷群温度筛选温度温度升序降序式(3-58)外界响应负荷群内温度优先排序目标求解负荷群内响应个数变负载率调节图3-5基于变负载率调节的控制策略示意图3.2.4基于参数序列化的电动汽车控制策略研究在对电动汽车进行负荷调控时，主要是在系统功率需求已知的前提下，通过对2.2.3节电动汽车充电模型，应用参数序列化方法，使电动汽车群消耗功率响应于系统功率需求，同时在一定程度上保证电动汽车电池寿命。3.2.4.1电动汽车集群建模在一个最小控制周期内，电动汽车系统内可根据其自身状态，分为三个群，分别是不可控群、闲置群、充电群，由下式表示：ttttA=(A,A,,A)(3-60)EVEV,1EV,2z1EV,ttttB=(,B,,B)B(3-61)EVEV,1EV,2EV,z2ttttC=(C,C,,C)(3-62)EVEV,1EV,2EV,z3其中，z、z和z分别代表t时刻三个群内电动汽车的数量，满足Nzzz++。123123ttt随着时间的变化，A、B和C中负荷数目和各自的运行状态均会发生变化，EVEVEV因此，zzz,,数值也是时变的。123t在t时刻，只有C群内的电动汽车负荷会消耗功率，表达式如下：EVNz3tttPEV==Pii,EVP,EV(3-63)ii=1=132 第3章基于参数序列化技术的需求侧可控负荷控制策略研究在不采取任何控制措施的情况下，每一辆电动汽车均按照其自身运行规律进tt行状态的改变。对电动汽车进行负荷调控则是通过有目的地改变B、C群中EVEV部分电动汽车的充电状态，实现功率消耗增加或减少，从而对系统进行支援。3.2.4.2能量状态优先队列控制方法[110]t能量状态优先队列的调控方法，是根据能量状态值e的大小选择相对应it的电动汽车，以改变其充电状态n的方法，具体控制流程如下：it(1)确定参与调控的电动汽车群。当需要减少功率消耗时，对C群设备实EVt施控制，使部分电动汽车处于闲置状态；当需要增加功率消耗时，对B群设备EV实施控制，使部分电动汽车处于充电状态。(2)确定具体控制对象。首先，定义和，使其分别满足：highlowNNii,ii110.95*(3-64)highNNNN,iiii110.95*(3-65)lowNN然后，在t时刻，需分两种情况考虑：EV,tt若需减少功率消耗Ptarget时，在CEV内，筛选出所有符合式(3-66)约束的电动汽车，并按照式(3-67)对其降序排列，形成式(3-68)所示的参与系统负荷削减的电t动汽车响应群体C。EV,tstttlz{1,2,...,}(3-66)low,jljlhigh,jl3tttt......(3-67)j12jjjlz3tttttC(C,C,...,C,...,C)(3-68)EV,tsEV,j12EV,jEV,jlzEV,j3t其中，z3为CEV中符合式(3-66)约束的电动汽车数目，zz31；jj12,,...,,...,jjlz3表t示电动汽车按降序排列之后的下标。群体筛选需满足如下条件：ituEVttEV,PPj,EVtargetee1(3-69)tuEV+1ttEV,PPj,EV>targetee1t其中，u为t时刻参与调控的电动汽车数目。EV至此，形成基于参数序列化的响应群体队列，得到可参与调控的负荷群记为：ttttC(CC,,...,C)(3-70)Rj12jjtuEV33 天津大学硕士学位论文EV,tt若需增加功率消耗Ptarget时，在BEV内，筛选出所有符合式(3-71)约束的电动汽车，并按照式(3-72)对其升序排列，形成式(3-73)所示的参与系统负荷提升的电t动汽车响应群体B。EV,tstttpz{1,2,...,}(3-71)low,ihigh,ipipp4tttt......(3-72)i12iiipz4tttttB(BB,,...,B,...,B)(3-73)EV,tsi12iipzi4t其中，z为G中符合式(3-71)约束的中央空调数目，zz；ii,,...,,...,ii表示44212pz4t电动汽车按升序排列之后的下标。群体筛选需满足如下条件：itvEVttEV,PPh,EVtargetff1(3-74)tvEV+1ttEV,PPh,EVtarget>ff1t其中，v为t时刻参与调控的电动汽车数目。EV至此，形成基于参数序列化的响应群体队列，得到可参与调控的负荷群记为：ttttB(,BB,...,)B(3-75)Ri12iitvEVtt(3)根据需要，依次改变B、C群中电动汽车的运行状态，从而实现负荷EVEVt调控的目的。若需要减少功率消耗，则改变C群中电动汽车的运行状态，由EVttn10；若需要增加功率消耗，则改变B群中电动汽车的运行状态，iEVtn01。i3.3算例分析3.3.1基于温度优先序列的电热泵控制策略3.3.1.1电热泵仿真参数设置假设某区域内有部分居民使用电热泵设备，均同意参与激励型需求响应控制。具体参数配置如下表3-2所示：表3-2电热泵仿真参数表参数名称数值参数名称数值oR均值R0.1208(C/W)设备数目300ooC)C均值C3599.3(J/C)温度起始值21(Q均值Q400(W)温度起始值标准差0.6(oC)R标准差0.25R额定功率均值6(kW)RC标准差0.25C额定功率标准差0.4(kW)C34 第3章基于参数序列化技术的需求侧可控负荷控制策略研究表3-2电热泵仿真参数表（续）参数名称数值参数名称数值Q标准差0.25Q仿真步长1(min)Q标准差0.10仿真时间1(天)δt定义响应偏差P评估温度优先序列算法的响应效果，计算公式如式(3-77)HP,e所示：tttotalPPtP()(3-76)HP,eHPtargetttotal其中，Ptarget为响应目标，PtHP()为响应结果。3.3.1.2基于温度优先序列算法的仿真结果1000跟踪目标响应结果800）kW600（400功率20000180360540720900108012601440）300kW（200100响应偏差00180360540720900108012601440时间（min）图3-6基于温度优先序列算法的仿真效果图基于表3-2的参数，设置温度死区为6℃，基于温度优先序列算法的仿真结果如图3-6所示。上图为响应结果图，下图为响应偏差曲线。电热泵负荷群功率能够跟踪目标信号，响应偏差在误差允许范围之内。）26℃24（222018室内温度160180360540720900108012601440时间（min）图3-7基于温度优先序列算法的温度变化示意图图3-7给出了各台设备室内温度的变化曲线，不能看出，在对电热泵群施加基于温度优先序列算法后，电热泵群的温度在规定范围内变化，满足了用户的舒适度要求。35 天津大学硕士学位论文3.3.1.3不同温度死区对仿真结果的影响基于表3-2的参数，设置温度死区为4℃，仿真结果图如图3-8所示。可HP以看出：电热泵负荷群功率基本能够跟踪目标信号，但与图3-6相比，响应偏差tt较大。上述现象的主要原因是：当较小时，即TT较小，此时，若根据HP,HP,HPHP,t响应目标需要，使某些电热泵设备参与需求响应时，设备所处室内温度T会较roomtt快的到达温度下边界T或者温度上边界T，进而导致设备的运行状态很快发,HP,HP生改变，从而造成响应偏差变大以及设备运行状态的频繁改变。如果温度死区HP增大，如图3-6所示，设备完成自然运行状态转变的时间延长，设备开关状态转换的频率降低，故响应失败的几率降低，从而减少了响应偏差。1000800）kW600（400功率200跟踪目标响应结果00180360540720900108012601440）300kW（200100响应偏差00180360540720900108012601440时间（min）图3-8温度死区为4℃时的仿真效果图3.3.2基于参数序列化的中央空调变负载率调节控制策略3.3.2.1典型中央空调系统描述针对国内某一城市典型园区多楼宇中央空调负荷群，假设所有用户均同意参与激励型需求响应控制，具体楼宇群参数[51]如下表3-3所示：表3-3楼宇群仿真参数表参数名称数值参数名称数值中央空调数目140台平均北墙面积8280m2平均能效比4.98平均总制冷量11038w平均楼层数36层低耗系数0.2平均层面积1778m2屋顶面积2023m2平均室内高度2.6m室内温度初始值24oC平均东墙面积7466m2温度死区5oC平均南墙面积8280m2仿真步长1min平均西墙面积7466m2仿真周期(工作模式)8点到18点室外平均温度31.05oC室外温度标准差1.55oC档位数目区间[3,10]档位数目标准差2.0736 第3章基于参数序列化技术的需求侧可控负荷控制策略研究t定义响应偏差P评估不同场景下本文所给控制策略响应效果，计算公式如AE式(3-77)所示：tttPPP(3-77)AEsumtargettt其中，P为响应目标，P为响应结果。targetsum定义响应偏差均值P及标准差如下：aveN1tPPaveAE(3-78)Nt1N1t2()PPAEave(3-79)Nt1其中，N为总仿真步长数。3.3.2.2控制策略结果对比1)传统中央空调启停控制策略传统启停控制策略[109]根据开关状态，对中央空调负荷群进行分群，对开启群和关闭群分别基于温度进行升降排序。施加控制时，根据响应信号类型(削减或提升负荷)，选取在序列前端的中央空调直接进行启停操作，可参与调控的负荷数目由式(3-49)、(3-54)决定。220跟踪目标响应结果200）180MW（160功率140120）01002003004005006006MW（30响应偏差0100200300400500600时间（min）图3-9基于传统启停的仿真效果图基于表3-3参数，应用传统策略的响应结果如图3-9所示，上图为响应结果图，下图为响应偏差曲线。从图中结果可以看出，中央空调负荷群功率能够跟踪t目标信号，但误差偏大。原因是该策略根据响应目标P，对中央空调负荷群进target行直接进行开启或关断操作，缺乏如式(3-58)、(3-59)的精细化调节过程。2)基于参数序列化的变负载率调节控制策略同样采用表3-3所示参数，采用本文所提策略的仿真结果如图3-10所示。37 天津大学硕士学位论文表3-4给出了采用传统启停策略和本文所给控制策略，中央空调在响应过程中，响应偏差分别对应的均值及标准差。对比图3-9、图3-10及表3-4可知：采用本文的控制策略，中央空调负荷群能较好地跟踪目标，响应偏差较小，这是由于本文所给策略采用了精细化负载率调节来改变中央空调运行状态；而传统控制策略对中央空调主机直接采用启停控制，没有区分中央空调运行档位，中央空调负荷的功率变化量仅可取额定功率值，响应偏差较大。220跟踪目标响应结果200）180MW（160功率140120）01002003004005006006MW（30响应偏差0100200300400500600时间（min）图3-10基于变负载率调节的仿真效果图(不考虑锁定约束)表3-4不同控制策略响应偏差均值和标准差传统启停变负载率调节均值(kW)1158.20334.97标准差(kW)896.28534.653.3.2.3锁定约束对仿真结果的影响同样采用表3-3中的参数，考虑压缩机锁定约束(本文设定锁定时间为5分钟)，仿真结果如图3-11所示。从图中结果可以看出，中央空调负荷群能够跟踪目标，但与图3-10相比，响应偏差较大。其原因在于：锁定约束使得中央空调运行状态改变限制增加，响应群体筛选更加严格，当跟踪目标值持续单方向变化tt(升高或降低)时间较长，会造成K或G响应资源不足，响应偏差变大。38 第3章基于参数序列化技术的需求侧可控负荷控制策略研究220跟踪目标响应结果）200MW180（功率160140）12001002003004005006006MW（30响应偏差0100200300400500600时间（min）图3-11基于变负载率调节的仿真效果图(考虑锁定约束)定义中央空调负荷群平均负载率调节次数如下式(3-80)所示：sumN()NswitchnumberN(3-80)Ntotal其中，N表示中央空调负荷群负载率调节次数；N表示调节次数为Nswitchnumberswitch时中央空调数目；N表示中央空调总数。N反映了在响应时段内每台中央空total调平均负载率调节次数。锁定约束对负载率调节次数影响效果如图3-12所示，从图中可以看到：不考虑锁定约束时N为8.29；考虑锁定约束时N降为6.99，说明锁定约束可以缓解中央空调机组运行状态频繁改变的情况，有利于中央空调的长期健康运行。70考虑锁定约束不考虑锁定约束60504030空调数目2010002468101214161820负载率调节次数图3-12考虑锁定约束对负载率调节次数的影响定义响应偏差变化率如下式(3-81)所示：ttttPPAEAEP(3-81)t39 天津大学硕士学位论文3103不考虑锁定约束考虑锁定约束2.521.5概率密度10.50-6-5-4-3-2-1012响应偏差变化率/(MW/min)图3-13考虑锁定约束的概率密度曲线t响应偏差变化率P概率密度曲线如图3-13所示，可以看出，锁定约束响应偏差较大，在本文所给控制策略中考虑该因素，会削弱中央空调负荷群的响应能力。3.3.2.4中央空调参与削峰仿真分析同样采用表3-3参数，当处于待机模式时，中央空调不受控；当处于工作模式时，上层电网控制中心在11:00-14:00对中央空调负荷群发送削峰信号。仿真效果如图3-14所示。上图为响应效果图，下图为中央空调实际削减量。在响应时段内，中央空调削减了自身负荷，较好地跟踪了响应目标。不受控功率跟踪目标响应结果250200）WM150（率100功5011:0014:0000180360540720900108012601440待机模式工作模式待机模式）20WM10（荷5负0减削-5削减量0180360540720900108012601440时间（min）图3-14中央空调参与削峰仿真效果图3.3.3基于参数序列化的电动汽车控制策略3.3.3.1电动汽车仿真参数设置电动汽车的充放电负荷特性由其电池类型、用户用车行为以及控制策略等决40 第3章基于参数序列化技术的需求侧可控负荷控制策略研究定。应用2.2.4节建立的电动汽车模型，本节首先研究电动汽车在无控制措施下的自然充电功率情况。表3-5、表3-6给出了电动汽车的仿真参数：表3-5电动汽车仿真参数表1参数大小参数大小仿真时长1天仿真步长1min电动汽车数目1500辆能量状态死区0.025能量状态上限0.0125能量状态上限-0.01253,4或充电效率0.95充电功率5kW表3-6电动汽车仿真参数表2参数晚上(A组)1000辆电动汽车白天(B组)500辆电动汽车电池容量E(5.00~20.00)kWh(0.7~0.8)*A(1:500)kWhc开始充电时间T计算得到计算得到on结束充电时间T(1240~1465)min(120~600)minoff期望因子(1.75~1.76)(2.25~2.26)3.3.3.2自然状态下电动汽车响应特性在不施加任何控制措施情况下，电动汽车按照其自然运行规律进行充电。由上表3-6可看出：晚上(A组)对1000辆电动汽车进行充电，白天(B组)对500辆电动汽车进行充电，满足用户的基本运行规律，白天、晚上电动汽车相关参数稍有差别。开始充电时间T可通过结束充电时间T计算得到，如式(3-82)所示。对于on,ioff,i在白天充电的电动汽车，若T0，则将其T全部设为1min，并依据式(3-83)on,ion,i合理降低电池容量。TTT(3-82)on,off,iiiu,T'on,iEEE(3-83)b,b,iiib,Tu,i15001000/kW功率50000200400600800100012001400时间/min图3-15自然状态下电动汽车充电功率曲线41 天津大学硕士学位论文基于上述参数，应用2.2.3节建立的电动汽车充电模型，可得到1天内电动汽车充电的功率曲线，如图3-15所示。可以看出，电动汽车的充电功率在晚上达到峰值，而白天功率消耗值较低且平缓。为了详细地描述电动汽车的充电程度，定义电动汽车能量状态标识SOC，EV,i如式(3-84)所示，其取值范围为(0~1)。在白天和晚上分别选择一辆电动汽车，其能量状态标识和充电状态曲线如图3-16所示。可以看出：当电动汽车的充电状态为1时，SOC增大，直至能量状态达到或超过其最大值；此后，电动汽车EV,i充电状态转为0，电动汽车暂停充电，SOC将保持不变，直至能量状态达到或EV,i低于其最小值，充电状态再转为1，如此循环，直至充电完成，SOC增至1。EV,iEf,iSOC(3-84)EV,iEb,i1A组1辆EV充电状态A组1辆EV能量状态标识B组1辆EV充电状态B组1辆EV能量状态标识0.5充电状态能量状态标识00200400600800100012001400上边界下边界A组1辆EVB组1辆EVε+0.010能量状态值-0.01ε-0200400600800100012001400时间[min]图3-16自然状态下能量状态标识、充电状态及能量状态曲线3.3.3.3控制措施下电动汽车响应特性基于表3-5、表3-6参数，对电动汽车应用基于能量状态优先队列控制方法的响应结果如图3-17所示。可以看出：晚上，电动汽车负荷群充电功率能够较好地跟踪响应目标，这是因为晚上处于充电状态的电动汽车数目较多，可参与调控的功率范围较大。而白天，处于充电状态的电动汽车数目较少，可参与调控的功率范围较小，从而导致在某些时段电动汽车无法跟随目标功率，响应功率值达t到上下边界。当目标功率值太大，响应功率值达到上边界，主要是因为将B内EV42 第3章基于参数序列化技术的需求侧可控负荷控制策略研究的电动汽车强行由闲置状态转为充电状态，仍然无法满足系统需求；反之，当目t标功率值太小，响应功率值达到下边界，主要是因为将C内的电动汽车强行由EV充电状态转为闲置状态，仍然无法满足系统需求。2500上边界下边界响应目标受控功率20001500/kW功率100050000200400600800100012001400时间/min图3-17基于能量状态优先队列控制方法的响应效果图3.4本章小结本章基于一种通用参数序列化方法，阐述了三种典型需求侧可控负荷(电热泵、中央空调、电动汽车)调控方案。在算法设计过程中的主要思路为：负荷分群、序列化指标排序、响应群体筛选、关键运行参数调节几个方面。其中：以电热泵为研究对象，介绍了基于温度优先序列的电热泵控制策略，以室内温度为排序指标，对电热泵实施开关操作；以中央空调主机为研究对象，提出了基于参数序列化的中央空调变负载率调节控制策略，以室内温度为排序指标，对中央空调主机进行负载率调节，避免了传统控制策略中设备频繁启停的问题；以电动汽车为研究对象，介绍了基于参数序列化的电动汽车控制策略，以能量状态为排序指标，改变电动汽车的运行状态，有效实现了电动汽车的负荷控制。43 天津大学硕士学位论文44 第4章需求侧可控负荷参与主动配电网可再生能源集成辅助服务技术研究第4章需求侧可控负荷参与主动配电网可再生能源集成辅助服务技术研究4.1引言随着配电网运行方式日趋复杂，传统的配电系统运行和控制理论已不再完全适用，主动配电网(ADN)将成为未来重要发展方向。可再生能源的大规模接入是ADN的重要特征[111]，但由于可再生能源自身具有较强的随机性、波动性与间歇性，大规模接入后会对电能质量、电力供需平衡及配网的安全性带来较大挑战。现阶段一般通过设置储能环节来平抑可再生能源波动，但成本相对较高、使用寿命受限[112]。近年来，电力系统用户负荷日趋多样化，具有良好互动特性的可控(如中断型、平移型、调节型)柔性负荷占比稳步增加，例如温控负荷(电热泵、电热水器、楼宇中央空调等)以及具备双向互动特性的电动汽车等[113]。采用合理有效的负荷控制或需求响应策略，可使其为电网提供诸如调压[87]、调频[114]-[115]及平抑可再生能源波动[116]等多类型辅助服务。在负荷控制或需求响应领域，存在单体可控负荷容量有限、运行特性各异、集群数目多、分布较为分散等诸多特点。因此，如何挖掘可控负荷的集群响应能力，并在调控过程中根据各类设备时间-空间运行特性，对其进行精细化调控，实现“源-网-荷”协同是目前该领域的一个研究热点。本章将首先设计一种面向“可再生能源-配电网络-需求侧可控负荷”互动，基于聚合信息的ADN分层协同调控框架。其上层将采用配网潮流追踪(DistributionPowerFlowTracing,DPFT)算法，实现一种新的ADN节点集群需求响应优化控制策略。DPFT算法基于配网潮流信息，充分考虑到“源-网-荷”耦合特性，确定与可再生能源关联紧密的负荷节点，并做有效的功率波动分配。下层在考虑电网、用户不同受益方节点负荷控制成本的前提下，实现多种需求侧可控负荷的最优响应，实现平抑ADN联络线功率的目的。4.2基于聚合信息的“源-网-荷”分层协同优化控制框架图4-1为本文提出的基于聚合信息的“源-网-荷”分层协同优化控制架构图，自上而下依次为：顶层调度层、群体调控层和设备响应层。在顶层调度层，配电系统调度中心接收调控需求信息，结合调控需求信息、负荷预测信息、网络潮流信息、可再生能源出力信息及负荷运行状态，计算各响应群体的调控目标。群体45 天津大学硕士学位论文调控层接受调控指令，根据节点所连接的不同类型负荷及对应的调控策略，制定设备级的调控指令并下发到设备响应层，起到衔接配电系统调度中心和需求侧响应资源的作用。底层负荷根据调控指令改变运行状态，同时依托信息传输通道将更新后的设备运行信息传至群体调控层，经聚合后最终送达顶层调度层。调控需求信息配电网调度中心可再生能潮流信息负荷预测信息有功调度手段：源信息顶层调度层基于DNPFT算法群体控制中心L群体控制群体控制中心1中心N群体调控层调控手段：配电网基于参数序列化的DSCL控制策略负荷群1负荷群N负荷群L设备响应层信息收集单元负荷群1信息流负荷群L信息流负荷群N信息流图4-1基于聚合信息的“源-网-荷”协同优化控制架构图4.3基于DPFT的可再生能源有功调度与节点集群需求响应策略在图4-1框架基础上，本文进一步设计了一种基于DPFT的ADN节点集群需求响应优化控制策略，其调控过程如图4-2所示。节点总负荷中央调控中心调节量风机群体控制中心1...群体控制中心N配电网络目标分配...目标分配基于参数序列化基于参数序列化的DSCL控制策略...的DSCL控制策略采集配网节点潮流信息数据采集配网潮流追踪风机出力获得风机数据负荷调节量计算变化量...负荷群1负荷群N可再生能源集成电网级控制负荷侧调节图4-2基于DPFT的可再生能源有功调度与节点集群需求响应策略流程图中央调控中心在接收配电网各节点功率以及可再生能源出力信号的基础上，通过基于DPFT的可再生能源波动平抑算法得到总控制功率目标，并下发到位于46 第4章需求侧可控负荷参与主动配电网可再生能源集成辅助服务技术研究各节点区域的群体控制中心。各群体控制中心获取该区域内各类型需求侧可控负荷运行状态信息，并以节点控制成本最低为目标，考虑不同类型的优化函数，采用相应的负荷控制策略，生成设备级指令，控制响应资源，达到平抑上层可再生能源波动的目的。4.3.1基于DPFT的可再生能源波动平抑算法为实现最终的控制目标，本文基于配网潮流追踪理论[117]，提出了一种主动配电网可再生能源波动平抑算法，其主要流程如下：4.3.1.1配电系统潮流追踪因配电网具有三相参数不对称、三相负荷不平衡等特点，其潮流计算一般采用三相不平衡计算方法。相较于传统配电网来说，ADN接入了大量间歇性可再生能源，其潮流更加复杂多变。含可再生能源的配网牛顿-拉夫逊三相潮流求解[118]最终转化为求解以下方程：SJU(4-1)式中：上标表示a,b,c三相；J为雅可比矩阵；S为节点的三相有功和无功功率不匹配列向量；U为节点三相电压的修正列向量，详见下文描述。TabcabSPQ[,][,,,....,,,PPPPP11111nn(4-2)cabcabcTPQQ,,,Q,....,QQ,,]Qnnn1n111111TabcaU[,U/U][,,,....,,111n1bcaabbcc,,U/U,U/U,U/U,....,(4-3)nn11111111aabbccTU/U,U/U,U/U]n1n1n1n1n1n1对S的计算需要针对不同的节点类型进行处理。(1)PQ节点及可转换为PQ节点的节点,()k对这一类节点，第k次迭代S的计算如下：nPiPiUiUj(GijcosijBijsinij)j1(4-4)nQiQiUiUj(GijsinijBijcosij)j1其中，P为有功功率的给定值；Q为无功功率的给定值；in1,2,...,1；ii=a,b,c；=a,b,c。(2)PV节点及可转换成PV节点的节点47 天津大学硕士学位论文,()k对这一类节点，其对应的U为0，第k次迭代S的计算如下：nPiiPijijUijijUijGB(cossin)(4-5)j1其中，P为有功功率的给定值；U为电压幅值的给定值；in1,2,...,1；ii=a,b,c；=a,b,c。通过式(4-1)即可得到U列向量。用计算得到的U值修正各节点的电压值，进行下一步迭代，直至满足收敛判据。根据上述潮流求解方法，可得到配网相关潮流信息，并将其应用于DPFT算法。定义所研究配网区域标号集合Ω如下：Ω(,ΩΩ,...,Ω)(4-6)12N,t定义t时刻风机出力集合P、配网接入需求侧可控负荷集合如下：W,,t,t,ttP(,...,PPP,...,
此文档下载收益归作者所有
